热点事件持续更新
DeepAJM：面向不规则采样数据的深度联合模型
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026年10月7日，研究者在 arXiv（Statistics Machine Learning）发布论文，提出面向不规则采样数据的深度关联联合模型 DeepAJM。该模型无需参数假设，可同时建模纵向与生存结局，并保留按纵向结局划分的可解释关联结构。其采用 encoder-decoder（sequence-to-sequence）架构，学习患者时变协变量轨迹的潜在结构；解码器输出的每个纵向结果在进入生存头风险评分前，由基线协变量重新调制。目前公开信息仅涉及该论文的方法描述，尚无后续验证或应用报道。
AI 根据报道生成 · 2 小时前更新
最新进展10月7日 12:00
2026-10-07，DeepAJM 论文在 arXiv 发布，提出无需参数假设的深度联合建模方法。报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv · Statistics Machine LearningDeepAJM：面向不规则采样数据的深度关联联合模型
研究者提出深度联合模型 DeepAJM，无需参数假设即可同时建模纵向与生存结局，并保留按纵向结局划分的可解释关联结构。模型采用 encoder-decoder（sequence-to-sequence）架构学习患者时变协变量轨迹的潜在结构，解码器输出的每个纵向结果在进入生存头风险评分前由基线协变量重新调制。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。